贝叶斯神经网络用于多尺度组织工程支架中的热动力学概率建模
Janjhyam Venkata Naga Ramesh1, Abhilash Sonker2, G Indumathi3
1Department of CSE, Graphic Era Hill University, Dehradun, 248002, India; Department of CSE, Graphic Era Deemed To Be University, Dehradun, 248002, Uttarakhand, India.
Journal of thermal biology
|May 17, 2025
概括
本研究介绍了一种用于组织工程的新型3D支架概率加权贝叶斯神经网络 (3D-SP-WBNN). 该模型增强了支架设计,并预测了热动态下的细胞生长,改善了组织制造结果.
科学领域:
- 组织工程是组织工程.
- 生物材料科学 生物材料科学
- 计算生物学 计算生物学
背景情况:
- 多尺度组织工程支架对于结构完整性和功能性至关重要.
- 热力学显著影响脚手架的性能,如导电性和稳定性.
- 脚手架毛孔大小和尺寸的变化会影响热量分布和细胞反应.
研究的目的:
- 为组织工程中的多尺度支架设计提出一个3D支架概率加权贝叶斯神经网络 (3D-SP-WBNN).
- 用加权的概率贝叶斯神经网络估计组织特征,评估细胞生长和增殖.
- 分析热梯度对工程支架内的细胞行为的影响.
主要方法:
- 开发一个3D脚手架概率加权贝叶斯神经网络 (3D-SP-WBNN) 模型.
- 使用多尺度脚手架模型进行设计估计.
- 使用加权的概率贝叶斯神经网络进行特征估计和细胞生长评估.
- 测量人类骨,皮肤和软骨组织的热梯度.
主要成果:
- 在人体组织中测量在1°C至4°C之间的热梯度.
- 在1-2°C的热度梯度下,软骨细胞的增殖率为每天15-20%.
- 一个混合水凝/PCL复合支架实现了每天25-35%的更高的增殖率.
- 3D-SP-WBNN模型显示预测准确度为82-96%.
结论:
- 拟议的3D-SP-WBNN模型有效地估计了组织特征,并预测了在热条件下细胞生长.
- 使用混合水凝/PCL复合材料的优化支架设计可以显著增强细胞增殖.
- 这种方法为推进多尺度组织工程和制造提供了一个有前途的工具.
